TensorFlow: cómo agregar relleno a un tensor

TensorFlow es una biblioteca Python de código abierto diseñada por Google para desarrollar modelos de aprendizaje automático y redes neuronales de aprendizaje profundo.

Relleno significa agregar valores antes y después de los valores de Tensor.

Método utilizado:

• tf.pad: este método acepta el tensor de entrada y el tensor de relleno con otros argumentos opcionales y devuelve un tensor con relleno agregado y del mismo tipo que el tensor de entrada. El tensor de relleno es un tensor con forma (n, 2).

Ejemplo 1: Este ejemplo utiliza el modo de relleno constante, es decir, el valor en todos los índices de relleno será constante.

# importing the library
import tensorflow as tf
  
# Initializing the Input
input = tf.constant([[1, 2], [3, 4]])
padding = tf.constant([[2, 2], [2, 2]])
  
# Printing the Input
print("Input: ", input)
print("Padding: ", padding)
  
# Generating padded Tensor
res = tf.pad(input, padding, mode ='CONSTANT')
  
# Printing the resulting Tensors
print("Res: ", res )

Producción:

Input:  tf.Tensor(
[[1 2]
 [3 4]], shape=(2, 2), dtype=int32)
Padding:  tf.Tensor(
[[2 2]
 [2 2]], shape=(2, 2), dtype=int32)
Res:  tf.Tensor(
[[0 0 0 0 0 0]
 [0 0 0 0 0 0]
 [0 0 1 2 0 0]
 [0 0 3 4 0 0]
 [0 0 0 0 0 0]
 [0 0 0 0 0 0]], shape=(6, 6), dtype=int32)

Ejemplo 2: este ejemplo utiliza el modo de relleno REFLECT. Para que este modo funcione, paddings[D, 0] y paddings[D, 1] deben ser menores o iguales que tensor.dim_size(D) – 1.

# importing the library
import tensorflow as tf
  
# Initializing the Input
input = tf.constant([[1, 2, 5], [3, 4, 6]])
padding = tf.constant([[1, 1], [2, 2]])
  
# Printing the Input
print("Input: ", input)
print("Padding: ", padding)
  
# Generating padded Tensor
res = tf.pad(input, padding, mode ='REFLECT')
  
# Printing the resulting Tensors
print("Res: ", res )

Producción:

Input:  tf.Tensor(
[[1 2 5]
 [3 4 6]], shape=(2, 3), dtype=int32)
Padding:  tf.Tensor(
[[1 1]
 [2 2]], shape=(2, 2), dtype=int32)
Res:  tf.Tensor(
[[6 4 3 4 6 4 3]
 [5 2 1 2 5 2 1]
 [6 4 3 4 6 4 3]
 [5 2 1 2 5 2 1]], shape=(4, 7), dtype=int32)